Я использую реализацию Python statsmodels.nonparametric.smoothers_lowess.lowess lowess для сглаживания некоторых данных.
Принимает 'frac' в качестве параметра - часть набора данных, которая используется для генерации локального градиента.
Однако мои данные неравномерно распределены по x (в моем случае x представляет время, поэтому я назову его 't').Существует высокая плотность образцов вблизи t = 0 и низкая плотность при высоких значениях t.
Таким образом, вблизи t = 0 временной диапазон, используемый при низком сглаживании с постоянным разрывом, очень мал, может быть, меньше одной секунды.
С другой стороны, когда t велико и данные редки, временной диапазон, используемый для сглаживания по малости, составляет много десятков секунд.
Я хочу использовать данные из постоянного временного диапазона , чтобы сгенерировать низкое соответствие, скажем, 10 секунд.Т.е. это означает использование гораздо большего количества точек данных около начала координат, чем при больших t.
Есть ли простой способ сделать это, не искажая результат подгонки?Я рассматриваю возможность понижающей дискретизации данных при низких значениях t и интерполяции при высоких значениях t, чтобы искусственно создать равномерный интервал в направлении x, который затем позволил бы мне использовать постоянное значение 'frac', но я обеспокоен тем, что этот подход может повлиять на результат.